Методи побудови багатофакторної регресійної моделі

На кожний економічний показник впливає безліч факторів. При побудові регресійного рівняння виникає питання, які саме з них слід уводити в модель. Причому при використанні моделі для прогнозу бажано включити якомога більше факторів. З іншого боку, збирання та обробка великої кількості інформації потребують значних витрат, тобто кількість факторів доцільно зменшити.

Для вибору компромісного рішення не існує єдиної процедури.

Тому для побудови "найкращого" рівняння застосовують один із таких методів.

1. Метод усіх можливих регресій – історично один із перших ме­тодів побудови регресійної моделі – найбільш громіздкий, тому що передбачає побудову регресій, які містять усі можливі комбінації впливових факторів. Іншими словами, якщо розглядається фак­торів, то досліджується регресій, які порівнюються між собою за значеннями коефіцієнта детермінації та стандартною похибкою рівняння. Хоча цей метод і дає змогу дослідити усі можливі рівнян­ня, однак при великій кількості факторів він, звичайно, неприйнят­ний.

2. Метод виключень економніший щодо обчислень і базується на дослідженні часткових F-критеріїв, які дають змогу встановлювати ста­тистичну значущість співвідношення між залишками моделі з найбіль­шою кількістю факторів і залишками моделі з одним вилученим фак­тором. Якщо для деякого вилученого фактора таке співвідношення не є значущим (приймається нульова гіпотеза), то він до моделі не повертається. Таке дослідження проводиться також для рівняння з мен­шою кількістю факторів, але з більшим числом ступенів свободи.

3. Покроковий регресійний метод діє у зворотному порядку по­рівняно з попереднім методом, тобто до моделі послідовно включаються фактори, що мають найбільший коефіцієнт кореляції із залежною змінною. Модель аналізується за значеннями коефіцієнта детермінації та частковими F-критеріями. Фактори, що не задовольняють критерії, з моделі вилучаються. Процес припиняється, якщо жоден з факторів рівняння вилучити не вдається, а новий претендент на включення не відповідає частковому F-критерію. На практиці цей метод найпоширеніший.

Дата добавления: 2014-10-23